Empezaremos por crear un vector de acuerdo con el nombre de aquellos estados con mas casos de covid, así como también agregándole las coordenadas de esos estado, primero la longitud y después la latitud. Una vez recolectados los datos, con ayuda de la función ‘rbind’ se creara una matriz por columnas con los datos proporcionados.
edomex<-c(-99.65324,19.28786)
nuevoleon<-c(-100.31847,25.67507)
guanajuato<-c(-101.25910,21.01858)
cdmx<-c(-99.12766,19.42847)
sonora<-c(-110.97732,29.10260)
coahuila<-c(-103.41898,25.54389)
jalisco<-c(-103.39182,20.66682)
estados<-rbind(edomex,nuevoleon,guanajuato,cdmx,sonora,coahuila,jalisco)
estados
## [,1] [,2]
## edomex -99.65324 19.28786
## nuevoleon -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx -99.12766 19.42847
## sonora -110.97732 29.10260
## coahuila -103.41898 25.54389
## jalisco -103.39182 20.66682
Una mejor manera de poder vizualizar mejor nuestra matriz, es asignandole un nombre a los datos, en este caso longitud y latitud. Usaremos la función ‘colnames’ para poder llevarlo acabo.
colnames(estados)<-c("Longitud","Latitud")
estados
## Longitud Latitud
## edomex -99.65324 19.28786
## nuevoleon -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx -99.12766 19.42847
## sonora -110.97732 29.10260
## coahuila -103.41898 25.54389
## jalisco -103.39182 20.66682
Es importante crear un data.frame que será indispensable para crear nuestro mapa. Por ellos procederemos a convertir nuestra matriz en un data.frame de la siguiente manera.
estados<-data.frame(estados)
estados
## Longitud Latitud
## edomex -99.65324 19.28786
## nuevoleon -100.31847 25.67507
## guanajuato -101.25910 21.01858
## cdmx -99.12766 19.42847
## sonora -110.97732 29.10260
## coahuila -103.41898 25.54389
## jalisco -103.39182 20.66682
Una vez creado nuestro data.frame podemos crear directamente nuestro mapa, pero también podemos crear una gráfica de dispersión en el cual podemos utilizar los nombres de las ciudades como etiquetas con la función ‘ggplot’ junto con ‘geom_text. Si utilizamos la función ’geom_point’ podemos agregar puntos y para hacerla más interactiva se puede agregar la función ‘ggploty’
dispersion<-ggplot(estados)+geom_text(aes(Longitud,Latitud),label= rownames(estados))+geom_point(aes(Longitud,Latitud),color= rainbow(7))
ggplotly(dispersion)
Y ahora sí pedemos crear nuestro mapa utilizando la función ‘qmplot’
qmplot(Longitud, Latitud, data=estados, color=I(rainbow(7)))
Como un plus podemos agregar también un mapa de densidad, que puede ser útil para visualizar el área del país donde más casos de la covid-19 se concentran, utilizando el parametro ‘geom = c(’“point”, “density2d”)
qmplot(Longitud, Latitud, data=estados, geom=c("point","density2d"))
iztapalapa<-c(-99.0567989642,19.3491663204)
gustavo<-c(-99.1158642087,19.5040652077)
alvaro<-c(-99.246819712,19.336175562)
tlalpan<-c(-99.2062207957,19.1983396763)
coyoacan<-c(-99.1503763525,19.3266672536)
alcaldias<-rbind(iztapalapa,gustavo,alvaro,tlalpan,coyoacan)
alcaldias
## [,1] [,2]
## iztapalapa -99.05680 19.34917
## gustavo -99.11586 19.50407
## alvaro -99.24682 19.33618
## tlalpan -99.20622 19.19834
## coyoacan -99.15038 19.32667
colnames(alcaldias)<-c("Longitud","Latitud")
alcaldias
## Longitud Latitud
## iztapalapa -99.05680 19.34917
## gustavo -99.11586 19.50407
## alvaro -99.24682 19.33618
## tlalpan -99.20622 19.19834
## coyoacan -99.15038 19.32667
alcaldias<-data.frame(alcaldias)
alcaldias
## Longitud Latitud
## iztapalapa -99.05680 19.34917
## gustavo -99.11586 19.50407
## alvaro -99.24682 19.33618
## tlalpan -99.20622 19.19834
## coyoacan -99.15038 19.32667
qmplot(Longitud, Latitud, data=alcaldias)
Esta obra fue generada mediante R en January 11, 2021 y forma parte de las actividades realizadas en las materias de Matemáticas I y Taller III, Facultad de Economía, UNAM. Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. Creative Commons (CC).